NIM : 2009036019
PRODI : Teknik Industri
Fungsi Karakteristik
2. Distribusi Normal
Distribusi normal merupakan salah satu jenis distribusi dengan variabel acak yang
kontinu. Pada distribusi normal terdapat kurva/grafik yang digambarkan menyerupai
bentuk lonceng. Distribusi normal dapat disebut juga sebagai distribusi Gauss.
Persamaan yang terdapat dalam distribusi normal salah satunya yaitu terkait fungsi
densitas. Berikut merupakan fungsi densitas pada distribusi normal.
Rumus Distribusi Normal
Keterangan:
π : konstanta dengan nilai 3,14159. . .
e : bilangan eksponensial dengan nilai 2,7183 . . .
µ : rata-rata (mean) dari data
σ : simpangan baku data berdistribusi normal
Bagaimana cara untuk menghitung nilai z? Nilai z dapat dihitung dengan rumus
berikut.
z = (x – µ)/σ
Keterangan:
µ : rata-rata (mean) dari data
σ : simpangan baku data berdistribusi normal
Pada bagian sebelumnya dijelaskan bahwa data yang berdistribusi normal memiliki kurva
yang berbentuk menyerupai lonceng.
Bentuk kurva dari data berdistribusi normal yaitu sebagai berikut.
3. Distribusi Gamma
• Fungsi gamma adalah fungsi berbentuk:
4. Distribusi Eksponensial
• Distribusi gamma yang khusus dengan α = 1 disebut distribusi eksponensial.
• Peubah acak kontinu X mempunyai distribusi eksponensial dengan parameter β, jika
fungsi padat peluangnya berbentuk:
• Rataan dan variansi dari distribusi gamma adalahRataan dan variansi dari
distribusi gamma adalah: 𝜇 = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2
• Akibatnya, rataan dan variansi distribusi eksponensial adalah: 𝜇 = 𝛽 dan 𝜎 2 = 𝛽 2
• Aplikasi distribusi eksponensial:
a. Dalam teori antrian, jarak antar kedatangan pelanggan di fasilitas pelayanan
(seperti bank, loket kereta api, tukang cukur, dsb) memenuhi distribusi
eksponensial.
b. Lama waktu mulai dipakai sampai rusaknya suatu suku cadang dan alat listrik
memenuhi distribusi eksponensial.
• Hubungan dengan proses Poisson
a. Hubungan antara distribusi eksponensial dan proses Poisson cukup sederhana.
b. Misalkan distribusi Poisson dengan parameter λ, di mana λ adalah banyaknya
kejadian dalam satu satuan waktu. Misalkan X adalah peubah acak yang
menyatakan panjang selang waktu yang diperlukan agar kejadian pertama
terjadi. Dengan distribusi Poisson, peluang tidak ada kejadian yang muncul
sampai selang waktu t adalah:
Misalkan X adalah jumlah komponen yang masih berfungsi hingga akhir tahun
ke-8, maka dengan distribusi binomial
5. Distribusi Weibull
• Peubah acak kontinu X mempunyai distribusi Weibull, dengan parameter α dan β,
bila fungsi padatnya berbentuk:
• Rataan dan variansi dari distribusi Weibull adalah: